Gracias a la implementación de ciencia de datos, Tecpetrol desarrolló un Sistema de Recomendaciones para mejorar la eficiencia de las operaciones de perforación en Fortín de Piedra y El Tordillo.

Big Data como motor de la innovación

En las últimas décadas, la información disponible a nivel mundial ha crecido de manera exponencial. Aunque no nos demos cuenta, estamos rodeados de datos: cada vez que mandamos un mail, hacemos un comentario en Facebook, escuchamos una canción en Spotify, o nos conectamos al GPS para salir a la ruta, estamos generando información. Se estima que una sola persona genera 1,7 MB de información cada segundo.

Para dimensionar la aceleración de este proceso, la International Data Corporation (IDC) cuantifica y pronostica la cantidad de datos producidos anualmente. Por ejemplo, en 2013, había 4 trillones de gigabytes de datos en todo el mundo; 7 años después el universo digital aumentó 10 veces más y llegó a 44 trillones.

Esto es lo que se conoce como Big Data, el nuevo motor de la economía mundial, y un gran reto tecnológico que está transformando la manera en la que trabajamos y vivimos.

La importancia del Big Data no gira en torno a la cantidad de datos disponibles, sino en la posibilidad de analizarlos y combinarlos para tomar decisiones inteligentes. En definitiva, convertir los datos en conocimiento útil a través de la Ciencia de Datos, un área del conocimiento que está desarrollándose en diferentes industrias como el comercio, el entretenimiento, las finanzas y ahora en el sector de la energía.

Ciencia de datos en Tecpetrol

En los últimos años, Tecpetrol viene trabajando con un enfoque de Investigación+Desarrollo para indagar sobre ciencia de datos e identificar oportunidades para agregar valor y generar conocimiento para la toma de decisiones.

"En una primera etapa, en 2018 realizamos un assessment en diferentes áreas de la compañía para analizar oportunidades de aplicación de metodologías o técnicas de ciencia de datos" cuenta Pablo Blasco, gerente de Gestión Industrial. A partir de esos encuentros se definió una lista de iniciativas para comenzar a trabajar en los primeros proyectos piloto, priorizando a través de evaluaciones de factibilidad e impacto.

Actualmente, Tecpetrol ha completado la realización de 12 de estos pilotos y 3 que aún están en curso, aplicados a problemáticas de perforación, completación, reservorios, producción, mantenimiento, entre otros. Además, la compañía participa de diferentes foros y congresos del sector para generar conocimiento compartido sobre innovación.

Uno de los proyectos destacados -que se presentó como mejor práctica en las  Jornadas de Revolución digital del IAPG- es el Sistema de Recomendaciones que se puso en marcha en conjunto con la Gerencia de Perforación y Work Over de Tecpetrol que implicó el uso de algoritmos para mejorar la performance de las operaciones de perforación.

Así lo explica Ezequiel Urdampilleta, jefe de análisis de procesos de la Gerencia de Gestión Industrial: "cuando se diseña el plan de un pozo, se confecciona un roadmap, que es un modelo estático donde se analizan los mejores parámetros aplicados a la perforación en pozos vecinos y así se proponen los parámetros del pozo actual. Es decir, para cada formación se buscan los mejores parámetros de la operación: pesos (WOB), RPM, caudales, etc".  No siempre la formación o el pozo responden como uno espera y es necesario generar alguna acción correctiva, en tiempo real, para mejorar las condiciones, y se prueban alternativas que se basan normalmente en la experiencia de los operadores, ingenieros de perforación o el company man. En general, se logran parámetros que mejoran la operación, pero se desconoce si los mismos son los óptimos o si, por el contrario, hay alguna otra combinación posible que pudiese producir mejores resultados.

Por eso, para acortar los ciclos de aprendizaje y para lograr correcciones más eficientes en la operación real, el Sistema de Recomendaciones es una solución automatizada, generada a partir del alto volumen de datos disponibles de perforaciones exitosas o altamente performantes ya realizadas, y aplicando algoritmos de ciencia de datos y machine learning, que permite tomar decisiones durante el curso de la perforación y optimizar particularmente la tasa de penetración (ROP).

Para generar el dataset, se utilizaron variables de perforación históricas de Fortín de Piedra y sobre la formación Mina del Carmen del yacimiento El Tordillo. "Estos datos tienen que tener una forma y una característica determinada para llegar a los inputs del algoritmo" precisa Pablo y agrega que estos proyectos fueron claves para consolidar una mirada sobre el governance, el manejo de los datos y la analítica avanzada en Tecpetrol.

Pablo Anicich, especialista en big data y consultor externo de Practia que acompañó el proceso detalla que se procesaron configuraciones de perforaciones eficientes e ineficientes de aproximadamente 30 pozos de Mina del Carmen: "el número de muestras que representan las configuraciones totalizan cerca de 60.000 eventos cada 2 minutos, es decir 720.000 observaciones extraídas de la formación" detalla.

De este modo, desde la nueva sala de control ubicada en el edificio corporativo de Neuquén, el ingeniero de perforación se comunica con el company man para identificar los puntos de eficiencia de la perforación y sugerir cambios en tiempo real, como por ejemplo en el peso del trépano. Además, los sensores del perforador siguen alimentando las variables para que el algoritmo se actualice y siga aprendiendo.  “Así como la sala de control de perforación es algo poco común en la industria, también lo es la utilización de estas herramientas para la optimización de las operaciones”, agrega Pablo.

De hecho, el objetivo es llevar este modelo de algoritmo a otros yacimientos y que el Recomendador escale hacia otras operaciones y permita seguir mejorando la eficiencia de perforación, actividad relevante para la construcción de los pozos.